PCA-principal component analysis
2017-11-17 23:14
375 查看
PCA—–主成分分析,通常用于降维!
找到样本的主方向,怎么找到呢,主方向具有如下本质特征:
样本在主方向上投影的方差最大!
A为n个样本k个特征的矩阵,且已经进行中心话,即E=0;
J(u)=Var(Au)=(Au−E)T(Au−E)=uTATAu,如果假设u为单位化向量,即uTu=1即uTu−1=0,
则J(u)=uTATAu+λ(1−uTu),对其求导:
J(u)′=2ATAu−2λu,令导数等于0:
2ATAu−2λu=0===>ATAu=λu,
所以λ即为ATA的特增值,u为其特征向量。
找到样本的主方向,怎么找到呢,主方向具有如下本质特征:
样本在主方向上投影的方差最大!
A为n个样本k个特征的矩阵,且已经进行中心话,即E=0;
J(u)=Var(Au)=(Au−E)T(Au−E)=uTATAu,如果假设u为单位化向量,即uTu=1即uTu−1=0,
则J(u)=uTATAu+λ(1−uTu),对其求导:
J(u)′=2ATAu−2λu,令导数等于0:
2ATAu−2λu=0===>ATAu=λu,
所以λ即为ATA的特增值,u为其特征向量。
相关文章推荐
- PCA,PrincipalComponentAnalysis
- Principal component analysis --- PCA的数学原理
- Principal Component Analysis: 用公式来描述我们想要PCA做什么
- 主成分分析PCA(Principal Component Analysis)介绍
- PCA(Principal Component Analysis 主成分分析)原理及MATLAB实现
- Principal Component Analysis(PCA)
- Principal Component Analysis (PCA)主成分分析
- 在Python中一步一步实现Principal Component Analysis(PCA)
- PCA(Principal Component Analysis)之个人理解
- matlab学习:人脸识别之PCA( Principal Component Analysis )
- 主成分分析PCA(Principal Component Analysis)介绍
- PCA(Principal Component Analysis)主成分分析
- PCA(Principal Component Analysis)主成分分析数学原理
- 斯坦福大学公开课 :机器学习课程(Andrew Ng)——13、无监督学习:Principal Component Analysis (PCA)
- PCA(principal component analysis)主成分分析法
- PCA(Principal Component Analysis)数学分析
- Implementing a Principal Component Analysis (PCA) in Python step by step
- PCA(Principal Component Analysis)原理简单分析
- PCA(Principal Component Analysis)主成分分析
- Machine Leanring-Principal Component Analysis(PCA)